@leeoxiang: 音视频的实时决策模型， 场景太丰富了，搞了几个场景 demo 让大家感受下。 会带来一波 VoiceAgent 以及 具身智能场景的落地。 https://realtime-omni.dot.cc

X AI KOLs Following 模型
multimodal real-time voice-agent embodied-ai audio-vision demo

摘要

介绍 clef-omni 音视频实时决策模型的在线体验站点，通过八个交互实验实时展示模型对音视频输入的理解、决策与概率，作者认为这将推动 VoiceAgent 与具身智能场景的落地。

音视频的实时决策模型， 场景太丰富了，搞了几个场景 demo 让大家感受下。 会带来一波 VoiceAgent 以及 具身智能场景的落地。 https://t.co/7ej4lb6dEK https://t.co/ZEpVAuowoh
查看原文
查看缓存全文

缓存时间: 2026/10/11 11:07

音视频的实时决策模型， 场景太丰富了，搞了几个场景 demo 让大家感受下。

会带来一波 VoiceAgent 以及 具身智能场景的落地。

https://t.co/7ej4lb6dEK https://t.co/ZEpVAuowoh

音视频实时决策 Lab · 决策模型体验

Source: https://realtime-omni.dot.cc/ AUDIO. VISION. REAL-TIME DECISIONS.

理解音视频， 实时决定下一步。

从语音轮次到画面判断，观察 clef-omni 如何理解输入、选择行动。 八个交互实验，实时呈现每一次决策与概率。

一个模型·八个在线体验·实时概率与结果

相似文章

@AISuperDomain: 实时语音 Agent 正在从“演示玩具”走向真正可用，而 LiveKit Agents 可能是目前最完整的开源框架之一。 它不只是把 STT、LLM 和 TTS 串起来，还直接提供： • WebRTC 实时音视频 • 电话呼入与呼出 • …

X AI KOLs Timeline

LiveKit Agents 是一个开源的实时语音 Agent 框架，支持 WebRTC、电话集成、语义轮次检测、MCP 工具调用和多 Agent 交接，帮助开发者快速构建 AI 客服、电话机器人等实时语音应用。

@ycombinator: Tune in:

X AI KOLs Following

Koval 是一个面向语音智能体的模拟与可观测性平台，帮助企业安全扩展语音应用。创始人 Brooke Hopkins 分享了语音作为 AI 自然交互界面的潜力，以及语音 AI 与自动驾驶在架构上的相似性。